各种脑疾患和神经系统疾患问题的增多和严重化、以及社会老龄化问题，使脑科学成为21世纪挑战性的研究。大脑电生理信号是反映大脑活动状态的重要信号，主要包括自发脑电信号(EEG)和诱发脑电信号(EP)。如何有效地处理和分析脑电信号，对于脑科学研究和脑部疾病的临床诊断都具有重要意义。小波变换是信号分析和特征提取的重要工具，它在时域和频域同时具有良好的局部化性质。本文基于小波变换与复杂性测度方法，针对脑电信号的检测技术和分析处理方法，对以下几个方面进行了研究与讨论： (一) 脑电信号去噪：脑电信号是强噪声背景下的非平稳随机信号，如何有效去除噪声是脑电信号分析和处理过程中的一项重要内容。考虑到小波变换具有良好的时频局部化特征，本文基于小波变换方法，主要完成以下工作：①用小波阈值法滤除脑电信号中的白噪声，②用小波分解与重构法滤除脑电信号中的基线漂移，③用小波分解与重构和模极大值法滤除脑电信号中的肌电干扰。最后，将以上所介绍的方法应用到临床脑电信号处理中，MATLAB实验结果表明：本文提出的方法在脑电信号消噪中具有良好的效果。 (二) 脑诱发电位的提取：脑诱发电位是脑科学研究和临床诊断中的重要特征，但是传统的叠加平均方法提取诱发电位往往会造成瞬态信息的丢失，增加受试者的痛苦，降低准确率。因此诱发电位的快速提取一直是国内外学者研究的重点。本文研究了小波多尺度分解与重构技术在脑电信号基本节律提取及诱发电位提取中的应用，并将小波多尺度分解与重构与模糊聚类技术相结合，提出了诱发电位快速提取的新方法，并通过实验证明了此方法的有效性。 (三) 睡眠脑电分期的研究：脑电信号的另一个重要用途是用于睡眠研究，多道睡眠图的记录和分析是研究睡眠生理的重要手段，也是客观评价睡眠质量的有力工具。本文对近年来睡眠脑电的处理方法进行了总结，提出一种新的利用时窗Lempel—Ziv复杂度对睡眠脑电进行分期处理的方法，并与不加窗的Lempel—Ziv复杂度仿真结果进行比较。实验结果表明：时窗复杂性测度算法能更好地将睡眠脑电的不同状态分开，为寻找一个可靠的